[发明专利]基于自适应卡尔曼滤波的机车雷达测速方法

摘要

本发明属于雷达近场测量技术领域，特别涉及基于自适应卡尔曼滤波的机车雷达测速方法，其具体步骤为(1)计算回波的功率谱；(2)抑制低频干扰；(3)利用频谱重心法预估机车多普勒频率；(4)进行雷达位置自校准与速度解算；(5)利用自适应卡尔曼滤波器进行滤波；(6)机车速度输出。本发明可实现机车速度的实时测量，测量速度无滞后，测量精度高。

主权项

基于自适应卡尔曼滤波的机车雷达测速方法，其特征在于，包括以下步骤：步骤1，在机车静止时，在机车底部安装测速雷达；测速雷达具有前后两个天线，前天线朝向机车的前方，后天线朝向机车的后方；步骤2，当机车开始运行后，测速雷达向外发射信号，在k时刻前天线和后天线分别获取对应的回波数据，k＝1，2，...；根据k时刻前天线和后天线分别获取对应的回波数据，得出k时刻前天线回波数据的功率谱和k时刻后天线回波数据的功率谱；步骤3，根据k时刻前天线回波数据的功率谱和k时刻后天线回波数据的功率谱，得出k时刻前天线回波数据的功率谱包络区域的频点重心fd1，k、以及k时刻后天线回波数据的功率谱包络区域的频点重心fd2，k；得出k时刻前天线与水平面的夹角θ1，k、以及k时刻后天线与水平面的夹角θ2，k；得出k时刻前天线得到的机车速度观测值z1，k、以及k时刻后天线得到的机车速度观测值z2，k：z1,k=fd1,kλ2cosθ1,k,z2,k=fd2,kλ2cosθ2,k]]>其中，λ表示测速雷达发射信号的载波波长；得出k时刻机车速度观测值zk，如果k≤3，则k时刻机车速度的估计值vk＝zk，机车雷达测速过程完毕，否则，则转至步骤4；其中，在步骤3中，得出k时刻前天线回波数据的功率谱包络区域的频点重心fd1，k、以及k时刻后天线回波数据的功率谱包络区域的频点重心fd2，k的过程为：分别对k时刻前天线回波数据的功率谱和后天线回波数据的功率谱进行对数加权处理，k时刻前天线回波数据中第i个频点对应的功率谱幅度的对数加权处理后结果Ef(i)k为：Ef(i)k＝Pf(i)k·log2(i)，i＝1，2，...，N，N表示对回波数据进行傅里叶变换的点数；Pf(i)k表示k时刻前天线回波数据中第i个频点对应的功率谱幅度；k时刻后天线回波数据中第i个频点对应的功率谱幅度的对数加权处理后结果Eb(i)k为：Eb(i)k＝Pb(i)k·log2(i)，Pb(i)k表示k时刻后天线回波数据中第i个频点对应的功率谱幅度；利用以下公式得出k时刻前天线回波数据的功率谱包络区域的频点重心fd1，k、以及k时刻后天线回波数据的功率谱包络区域的频点重心fd2，k：fd1,k=Σi=1Nf(i)Ef(i)kΣi=1NEf(i)k,fd2,k=Σi=1Nf(i)Eb(i)kΣi=1NEb(i)k]]>其中，f(i)表示回波数据的功率谱的第i个频点；步骤4，当k≥4时，根据k‑1时刻机车的运动状态矢量xk‑1，得出k时刻机车的运动状态的预测矢量k‑1时刻机车的运动状态矢量xk‑1是3行的列向量，k‑1时刻机车的运动状态矢量的元素为k‑1时刻机车的速度、k‑1时刻机车的加速度和k‑1时刻机车的加加速度；设置k时刻增益矩阵Kk，Kk是大小为3×1的矩阵；得出k时刻机车的运动状态矢量xk，H＝[1 0 0]；得出k时刻机车速度的估计值vk，vk为k时刻机车的运动状态矢量xk的第1个元素；所述步骤4的具体子步骤为：(4.1)当k＝4时，得出k‑1时刻机车的运动状态矢量xk‑1，xk‑1＝[v3 a3 b3]T，其中，上标T表示矩阵或向量的转置，v3＝z3，T为每两个相邻时刻的时间间隔；设定k‑1时刻状态协方差矩阵Pk‑1，Pk‑1＝I，I是大小为3×3的单位矩阵；(4.2)得出k时刻机车的运动状态的预测矢量其中，xk‑1＝[vk‑1 ak‑1 bk‑1]T，vk‑1表示k‑1时刻机车的速度，ak‑1表示k‑1时刻机车的加速度，bk‑1表示k‑1时刻机车的加加速度；Fk|k‑1表示大小为3×3的状态转移矩阵；计算得出k时刻预测误差协方差矩阵其中，上标T表示矩阵或向量的转置，Pk‑1表示k‑1时刻状态误差协方差矩阵，Qk‑1表示设定的状态噪声协方差矩阵；(4.3)得出k时刻观测噪声的协方差Rk，当k≤L+1时，Rk＝1，L为设定的自然数，当k＞L+1时，k时刻观测噪声的协方差Rk为：Rk=1LΣm=k-L-1k-1(vm-zm)2]]>其中，vm表示m时刻机车的速度，zm表示m时刻机车速度观测值；计算得出k时刻增益矩阵Kk，(4.4)得到k时刻机车的运动状态矢量xk，得出k时刻机车速度的估计值vk，vk为k时刻机车的运动状态矢量xk的第1个元素；得出k时刻状态协方差矩阵Pk，(4.5)令k的值自增1，返回至子步骤(4.2)。